全部 AI 精选，可按分级、类型、是否付费、收录时间筛选，按关键词搜索。
一条微博帖子，引用了 opencode 项目 AGENTS.md 中的一条规则：在为纯属猜测、几乎不可能发生的竞态条件或安全边界情况新增复杂逻辑之前，先向用户说明会出现什么问题、发生概率多大、需要付出多少复杂度代价，征得同意后再动手，不要为理论上的健壮性悄悄扩大范围。帖子围绕这条规则展开，未提供更多背景。适合正在为编码智能体编写 AGENTS.md 或类似项目规则、关心 AI 写代码时如何控制改动范围的人阅读。
一个 Rust 开源项目，基于 PGM-Index 算法，用分段线性模型预测数据位置再做局部精确查找，无需神经网络训练和 GPU。材料称其 Benchmark 在百万级数据下相比 Rust BTreeMap 构建速度提升约 22 倍、命中查询提升约 3 倍，索引元数据占几 KB 到几十 KB，并提到可能适合时序数据库、日志检索、RocksDB SSTable 等大规模有序、读多写少场景，同时注明项目仍处于研究型阶段、不适合生产环境。适合对索引结构、存储引擎和 Rust 高性能实现感兴趣的人了解。
这是一个 GitHub 仓库（op7418/guizang-product-video-skill），内容为一套提示词，用于让 Grok bot 在其云端虚拟机上搭建“AI 早报 + 讲解视频”流程：每天整理前一天的 AI 资讯生成文字简报，再制作约 90 秒的中文讲解视频。提示词涵盖在 ~/.claude/skills/ 下克隆三个 skill 仓库并安装 Node、Playwright/Chromium、FFmpeg、Python、edge-tts 等依赖，按时区采集 X 收藏与推文等来源，将内容归为 5–7 条主线并附原推链接、核对数字，按 Product Video skill 流程做 60–90 秒横屏 1080p 视频并做交付检查，最后附上建立每天 9 点定时任务的步骤。
vLLM 官方项目，提供基于 vLLM 构建生产级推理服务栈的参考实现，README 有中文版本。材料列出的能力包括：不改业务应用代码即可从单实例扩展到分布式集群、Web 可视化监控面板、智能请求路由与 KV Cache 卸载；教程涵盖 Kubernetes 环境安装、在 AWS/GCP/Lambda Labs/Azure 等云平台部署、搭建最小化栈、自定义 vLLM 配置、加载模型权重、在栈中启动多个不同模型，以及结合 LMCache 开启 KV Cache 卸载。适合需要以 vLLM 部署生产推理服务的工程师阅读。
How We Took Over ChatGPT Accounts
Simon Willison 博客上的一篇摘要，介绍 Parameter Labs 发现的一条针对 ChatGPT artifacts（HTML 预览）沙盒机制的漏洞利用链：沙盒 iframe 可通过 postMessage 触发父页面中 MathLive 虚拟键盘的 innerHTML 注入，进而以无沙盒限制的 iframe 结合 YouTube oEmbed 端点绕过 CSP 执行 JavaScript，最终读取用户私有数据并外传。
Practical Deep Learning for Coders - Practical Deep Learning
fast.ai 的免费深度学习课程站点，主体是 2022 年第一部分共 9 讲、每讲约 90 分钟的课程录像，涵盖计算机视觉、NLP、表格数据和协同过滤建模，以及随机森林、回归、模型部署，使用 PyTorch、fastai 和 Hugging Face；页面还提到新推出的 30 多小时第二部分课程。适合有编程经验、想上手实际应用的人。
Simon Willison 博客上的一则短文，介绍 Drew Breunig 受 Divyansh Agrawal 的 qwenputer 启发，把 NES 的 6502 CPU 模拟器做进 Qwen3.5-4B 模型权重中，可以在模型里很慢地运行 Super Mario Bros 等 ROM；文中还引用了作者在 Hacker News 上披露的 Opus 5.5 提示词和所用的 NES CPU 一致性测试集。
Show HN: A language model that lives in a boot sector
一个 GitHub 项目，把完整的推理引擎压进 510 字节的 MBR，权重、词表和字符串放在后续扇区，用一个字符级小型神经网络生成虚假硬件的 Linux 启动日志；作者还说明了 train.py 与汇编代码采用相同整数运算，以及在 idiv 与指针寄存器冲突等调试中发现的问题。适合对引导扇区 demo、汇编和极简神经网络推理感兴趣的人看。
Show HN: A working Nintendo in ~1GB of Qwen weights
一个 GitHub 项目，把 NES 的 6502 CPU、2KB 工作内存和卡带 ROM 编译进标准 Qwen3.5 检查点权重中，游玩时模型逐个 token 预测 CPU 执行日志，宿主程序负责画面、手柄和 vblank 中断；项目基于 Qwenputer 的编译器和“Gated DeltaNet 状态即机器内存”的做法，并说明自带测试游戏的每帧输出与常规 6502 模拟器一致。适合对模型权重内嵌计算、模拟器实现感兴趣的人看。
An updated Model Spec for more capable and beneficial AI
OpenAI 关于其 Model Spec（模型规范）更新的说明文章，称新版规范围绕五项核心价值组织，用以引导能力更强的 AI 走向健全判断、尊重人类自主性并忠实于人类意图。文章还说明了围绕核心价值重构规范的思路、新增与移除的章节以及后续计划，并链接到 2026 年 10 月 29 日版本的规范全文。适合关心模型行为规范与对齐政策的人阅读。
一个 Android 端的端侧 AI 助理项目，定位为替用户操作 App、上网并完成任务，使用 Kotlin 与 Jetpack Compose 构建，涉及 accessibility、automation、llm、mobile-agent 等主题。材料显示支持 Android 12 及以上，采用 Apache-2.0 许可。适合关注安卓端手机 Agent 与无障碍自动化实现的开发者参考。
How Revolut Cut AI Coding Costs 90% With Self-Hosted Open Models - David Abitbol, Revolut
Revolut AI 运营负责人 David Abitbol 分享 2,000 名工程师的数据：自托管开源 GLM 模型使交付速度提升约 60–70%，成本约为原先支付给前沿实验室的十分之一。内容还包括所需 GPU、维持工程师满意度的延迟目标、同一硬件上提速 88% 的调优方法，以及受欧盟监管的银行如何满足合规要求。适合评估自托管模型方案的技术管理者观看。